废弃聚对苯二甲酸乙二醇酯(PET)的碱性水解解聚:优化研究、人工神经元网络(ANN)应用、自适应神经模糊系统(ANFIS)分析及动力学研究

《ARABIAN JOURNAL FOR SCIENCE AND ENGINEERING》:Alkaline Hydrolysis Depolymerisation of Waste Polyethylene Terephthalate (PET): Optimisation, ANN, ANFIS, and Kinetic Study

【字体: 大 中 小 】 时间:2026年03月27日 来源:ARABIAN JOURNAL FOR SCIENCE AND ENGINEERING 3.1

编辑推荐:

  碱性水解是一种有效的水解方法,可将废弃聚对苯二甲酸乙二醇酯(PET)转化为高质量的对苯二甲酸(TPA),TPA具有多种应用,包括合成用于碳捕获的金属有机框架(MOFs)。尽管已有关于碱性PET解聚的研究,但对反应动力学的优化以及整合机器学习进行预测建模仍存在显

  
碱性水解是一种有效的水解方法,可将废弃聚对苯二甲酸乙二醇酯(PET)转化为高质量的对苯二甲酸(TPA),TPA具有多种应用,包括合成用于碳捕获的金属有机框架(MOFs)。尽管已有关于碱性PET解聚的研究,但对反应动力学的优化以及整合机器学习进行预测建模仍存在显著空白。本研究探索了使用氢氧化钠(NaOH)通过碱性水解实现PET化学回收的优化和动力学。研究人员进行了中心复合设计(CCD)实验,共生成21次试验,变量包括温度(160至240℃)、时间(2至8小时)、固液比(2至10 wt.%)和NaOH浓度(0.5至4 M)。为了增强机器学习的数据集,通过随机插值将数据集从21个实验样本扩展到100个。研究人员应用人工神经网络(ANN)和自适应神经模糊推理系统(ANFIS)进行产率预测,使用MATLAB R2025a软件。在实验室规模的特氟龙高压釜中进行了实验,发现最佳条件为:203℃、5.225小时、固液比5.800 wt.%和NaOH浓度2.225 M,在此条件下TPA产率为98.84%。反应动力学得出表观活化能为85.58 kJ/mol。ANFIS表现出更好的预测性能,R2为0.97(均方根误差RMSE=4.502),而ANN的R2为0.952(RMSE=2.79)。这项工作创新地将响应面法、动力学建模和机器学习预测相结合用于PET解聚,有助于可持续化学回收,并响应联合国可持续发展目标(SDG 9、SDG 12和SDG 13),从而推动循环经济发展。
废弃聚对苯二甲酸乙二醇酯(PET)的碱性水解解聚:优化、ANN、ANFIS与动力学研究的论文解读

**研究背景、问题与研究目的**

随着全球经济增长,城市固体废物(MSW)持续增加,其中塑料废物占比约44.7%,而聚对苯二甲酸乙二醇酯(PET)因其化学稳定性,约占塑料废物的12%。PET被广泛应用于纺织和包装行业,其年产量巨大,但寿命较短,导致大量消费后PET进入垃圾填埋场和自然栖息地。PET的酯键极难断裂,难以降解。因此,将废弃PET化学解聚为单体对苯二甲酸(TPA),用于再聚合生产高质量塑料或合成金属-有机框架(MOFs)等高级材料,是实现循环经济、减少环境污染的关键。目前已有的PET化学解聚技术包括水解、醇解、氨解等,其中碱性水解因其能产出高质量TPA并有效控制污染而备受关注。然而,现有研究在反应动力学的系统优化以及整合先进机器学习(ML)进行预测建模方面存在显著空白。特别是,针对碱催化水解过程中各反应参数间交互效应的统计优化设计,以及对人工神经网络(ANN)和自适应神经模糊推理系统(ANFIS)等高级建模技术的探索不足。因此,本研究旨在通过将基于响应面法(RSM)的优化、反应动力学分析与先进的机器学习预测模型相结合,开发更稳健的PET碱性解聚过程预测模型,并为联合国可持续发展目标(SDG 9, SDG 12, SDG 13)做出贡献。该成果发表在《ARABIAN JOURNAL FOR SCIENCE AND ENGINEERING》。

**主要关键技术方法**

为开展研究,研究人员主要采用了以下关键技术:首先,应用中心复合设计(CCD)进行实验设计,以评估四个水解操作参数(温度、时间、固液比和NaOH浓度)对TPA产率的影响。其次,利用响应面法(RSM)对反应条件进行优化,并采用伪一级动力学模型结合阿伦尼乌斯(Arrhenius)方程分析反应动力学,计算表观活化能(Ea)。最后,建立了基于数据增强(随机线性插值)后的人工神经网络(ANN)和自适应神经模糊推理系统(ANFIS)预测模型,用于产率预测和性能评估。实验所用PET样品收集自南非Vanderbijlpark地区的透明废弃PET瓶。所有建模和计算工作均在MATLAB R2025a软件中完成。

**研究结果**

**3.1 材料表征**

通过傅里叶变换红外光谱(FTIR)分析,研究人员确认了产物TPA与商业TPA具有一致的官能团(如-COOH和C=O)。扫描电子显微镜(SEM)显示,产出的TPA颗粒形状不规则、表面粗糙,呈现松散堆积的团聚体,这归因于解聚和回收过程中的异相成核与快速沉淀。X射线衍射(XRD)分析表明,产出的TPA与商业TPA的衍射图谱高度一致,在17.52°、25.32°、28.02°、29.78°和39.72°等2θ值处出现尖锐的衍射峰,证实了其高结晶性和相纯度。

**3.2 变量对TPA产率的影响**

通过RSM生成的3D曲面图,研究人员观察到温度、时间、NaOH浓度和固液比对TPA产率有显著交互影响。例如,产率随温度和时间的增加而提高,但在超过7小时和230℃后略有下降,可能由于水蒸发和Na2+浓度增加。较高的NaOH浓度和较低的固液比有利于产率提升。研究得出结论,时间对产率影响最大,其次是温度和固液比,NaOH浓度的影响最小。

**3.3 优化后的突破性方案**

利用RSM优化得到的最佳反应条件为:温度203℃、时间5.225小时、固液比5.800 wt.%、NaOH浓度2.225 M,在此条件下,模型预测的TPA产率可达98.84%(标准误差1.05%)。实验验证结果(产率96.89%)与模型预测高度吻合。

**3.4 方差分析(ANOVA)**

ANOVA结果显示,回归模型具有高度统计显著性(F值=122.65,p<0.0001),决定系数R2值为0.9965,调整R2为0.9884,预测R2为0.8789,表明模型拟合度极好,能解释99.65%的响应变量变化。失拟项(LOF)不显著(p=0.5165),进一步证实了模型与实验数据的良好一致性。

**3.5 反应动力学**

在静态高压釜中,研究人员采用伪一级动力学模型描述了PET的碱性水解过程。在180至210℃的温度范围内,所有动力学曲线的R2均高于0.95。通过阿伦尼乌斯图(ln k对1000/T)计算得出,该反应的表观活化能(Ea)为85.58 kJ/mol,该值在文献报道的范围内,是可接受的。

**3.6 PET碱性解聚的ANN和ANFIS预测建模**

研究人员通过随机插值方法将原始21个实验数据集扩展至100个。数据增强后的散点图和直方图显示,合成数据很好地保持了原始数据的统计特性与分布。ANN模型的回归相关系数(R)在训练集、验证集、测试集和全体数据集上分别为0.98582、0.98134、0.9394和0.97518。ANFIS模型的预测值与实验值高度吻合。模型性能对比分析表明,ANFIS优于ANN,其R2值更高(0.992 vs. 0.978),且各项误差指标(如MSE、RMSE、MAE、MAPE、ARE)均更低。这表明ANFIS的混合学习架构(融合模糊逻辑与神经网络)在捕捉PET解聚过程的非线性行为和不确定性方面更具优势。

**总结与讨论**

总结讨论部分指出,基于NaOH的碱性水解是一种创新且可持续的废弃PET塑料容器回收方法。该过程高效回收了TPA单体,减少了原生材料的依赖,有助于减少垃圾填埋、降低碳排放、节约自然资源,并推动循环经济。此外,产出的TPA可作为合成MOFs的前驱体,提升了回收材料的价值。本研究通过整合RSM优化、动力学分析与机器学习的预测建模,为PET化学回收提供了一种系统性方法。研究结论部分翻译如下:
研究表明,通过碱性水解(使用NaOH)并整合人工神经网络(ANN)和自适应神经模糊推理系统(ANFIS)机器学习预测模型,实现了PET化学回收的优化与动力学分析。实验在特氟龙内衬高压釜中进行,使用MATLAB R2025a软件进行预测建模。最佳操作条件为:反应温度203℃、反应时间5.225小时、PET负载量5.800 g、NaOH浓度2.225 M,获得最大TPA产率98.84%,标准误差1.0504%。这些最优条件已通过实验验证。ANOVA显示,时间对TPA产率影响最大(F值283.21),其次是温度(162.75)和固液比(125.33),浓度影响最小(28.02)。反应遵循伪一级动力学,活化能为85.58 kJ/mol。ANN和ANFIS均表现出强大的预测能力,其中ANFIS的R2值(0.97)高于ANN(0.952),且误差指标更低。碱性水解(使用NaOH)为回收PET提供了一种创新且可持续的方法,有效回收了关键单体TPA,减少了原生材料需求,助力实现可持续发展目标(SDG 9, SDG 12, SDG 13),推动循环经济。未来需要进行放大研究、连续过程评估和分离优化,以评估其工业可行性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号